文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 经管营销 > 基于贝叶斯正则化BP神经网络的股票指数预测
侵权投诉

基于贝叶斯正则化BP神经网络的股票指数预测

金融投资

第9卷 第12期 2009年6月167121819(2009)1223306206 

科 学 技 术 与 工 程

ScienceTechnologyandEngineering

 Vol19 No112 June2009

Ζ 2009 Sci1Tech1Engng1

基于贝叶斯正则化BP神经网络的股票指数预测

杨海深 傅红卓

(华南理工大学理学院数学系,广州510640)

摘 要 提出了利用贝叶斯正则化BP神经网络对股票指数进行预测。通过对比实验表明,BP神经网络比相同条件下采用其他改进算法有较好的泛化能力,对股票指数预测有很好的效果。关键词 神经网络  贝叶斯正则化  上证指数中图法分类号 TP183;    文献标志码 

基于贝叶斯正则化BP神经网络的股票指数预测

A

  析中,:基本分析法和技术分析法。技术分析立足于股票交易中历史事件重现的假设上,以人为判断和将过去的股价图相比较得到最有可能的结果,带有较大的主观性;另外,技术分析存在着一定的时滞现象

[3]

.本文针对上述BP算法的不足,提出了利用贝叶斯正则化BP神经网络对股票指数进行预测.通过对比实验表明,贝叶斯正则化BP神经网络比相同条件下采用其他改进算法有较好的泛化能力,对股票指数预测有很好的效果。

。由于股票价格

1 贝叶斯正则化方法的BP神经网络

1.1 基本的BP网络

BP神经网络通常由输入层,输出层和若干隐含

序列可以看作是含有白噪声的时间序列,因而可以通过建立股价序列的适应或最优统计模型对股价的变化做出分析和预测

[4]

。近年来,基于人工神经

网络的分析预测方法日益成熟.由于其良好的非线性映射能力及自适应、自学习等优良特性,因而神经网络已经被广泛地应用于对金融领域股票价格、收益、汇率及风险等的分析和预测中

[5]

层构成,每层有若干个节点组成,每个节点表示一个神经元,上层节点与下层节点通过权连接,同一层节点之间没有联系。

[1]

。BP神经网络的学习过程有两部分组成:信息的

BP神经网络具有优良的非线性逼近能力,在处

正向传播和误差的反向传播。当正向传播时,输入信息经隐含层和输出层的神经元逐层处理,向前传播到输出层,给出结果。如果输出层得不到期望输出,则转入逆向传播过程,将误差信号沿原来的神经元连接通路返回。在返回的过程中,修改各层神经元间的连接权值,然后再转入正向传播过程,反复迭代,使得误差不断减少,直到误差小于给定的值为止。归结起来:“模式顺传播”→“误差逆传播”→“记忆训练”→“学习收敛”过程。具体的算法参见文献[6]。

1.2 贝叶斯正则化BP神经网络

理缺失值和非线性问题时有明显的优越性.然而标准BP算法存在着局部收敛、收敛速度过慢和过度拟合等问题,为克服其弱点,人们在标准BP算法的基础上进行了许多有益的改进,如加入动量法,L2M优化算法以及共轭梯度学习算法.但是这些算法的BP神经网络的泛化能力在股票市场预测中没有达

到所期望的效果,而泛化能力是衡量神经网络性能

2009年3月18日收到

第一作者简介:杨海深(1982—),男,河南商丘人,硕士研究生,研究方向:统计及其应用,神经网络。E2mail:haishen.y@mail.scut.

edu.cn。

影响神经网络的泛化能力主要依赖于网络结

第1页

你可能喜欢

  • 数据挖掘试题
  • 数据挖掘预测分析
  • BP神经网络算法
  • MATLAB神经网络

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email